Електронний архів

Національного університету "Львівська політехніка"

Архів зберігає опубліковані наукові матеріали переважно працівників Університету. Також доступна можливість "самоархівування"

 

Communities in DSpace

Select a community to browse its collections.

Now showing 1 - 4 of 4

Recent Submissions

Item
Застосування енергоефективних світлопрозорих конструкцій для культиваційних споруд захищеного ґрунту
(Національний університет "Львівська політехніка", 2020) Періг, Роман Ярославович; Perih, Roman Yaroslavovych; Желих, Василь Михайлович; Національний університет "Львівська політехніка"
Періг Р.Я., Желих В.М. (керівник). Застосування енергоефективних світлопрозорих конструкцій для культиваційних споруд захищеного ґрунту. Магісерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2021. Розширена анотація Питання про можливість використання полімерних матеріалів для конструкцій, які працюють за типом сонячного колектора розглядають світові дослідницькі центри та фірми-виробники [1]. У роботі [2] наведено сонячний колектор, зібраний у вигляді сендвіча з декількох прозорих коробок із полімерних матеріалів. У Норвегії [3] розроблено сонячні системи із застосуванням нового типу сонячних колекторів із конструкційних пластмас. У досліджені [4] оцінено можливість використання полімерних матеріалів як основи для нових конструкцій сонячних колекторів. Для дослідження оптичних характеристик було запропоновано зразки з декількома видами теплоносія: водою, зафарбованою пігментним барвником, дистильованою водою та розчином тосолу. У роботі [5] була запропонована конструкція полімерного сонячного колектора на основі прозорої тришарової стільникової плити з теплоносієм – водою, зафарбованою в чорний колір Об’єктом дослідження є підвищення ефективності енергозбереження в умовах культиваційних споруд захищеного грунту. Предметом дослідження є світлопрозора конструкція теплиці з сотового полікарбонату. Метою дослідження є теоретичне та експериментальне обґрунтування i розроблення ефективних методів використання сонячної енергії культиваційними спорудами з огороджуючими конструкціями із сотового полікарбонату. В основу магістерської кваліфікаційної роботи поставлено технічне завдання створення енергоефективної захисної конструкції теплиці, описано будову та принцип роботи досліджуваної моделі. Проведено експериментальні дослідження та отримано значення доцільних витрат теплоносія, при яких його температура залишатиметься сталою. Крім того отримано графічні залежності середньої температури теплоносія і його витрати від температури внутрішнього повітря теплиці. Ключові слова: стільниковий полікарбонат, енергоефективне захищення, теплоносій. 1. Durability of polymeric glazing materials for solar applications/ Michael Kohl [etc.] // Solar Energy. – 2005. – № 79. – Р. 618–623. 2. Nielsen, J. E. Solar Collectors in plastic materials / J. E. Nielsen, E. Bezzel. – Solar Energy Laboratory, Danish Technological Institute, Duct Plate. - 1996. 3. Rekstad, J. Solar Collectors in plastic materials from Norway / J. Rekstad // SolarNor AS and General Electric Plastics. - 1997. 4. Желих В.М., Пізнак Б.І., Ціж.Б.Р.: Оптичні характеристики полімерних сонячних колекторів - Львів: Видавництво Національного університету “Львівська політехніка”, 2012. 5. Желих В.М., Пізнак Б.І., Фечан А.: Застосування полімерних матеріалів у виготовлені сонячних колекторів. - Львів: Видавництво Національного університету “Львівська політехніка”,2013.
Item
Дослідження методів управління процесами збору та аналізу даних в розподілених інформаційних системах
(Національний університет "Львівська політехніка", 2020) Журавель, Станіслав Сергійович; Zhuravel, Stanislav Serhiiovych; Селюченко, Мар'ян Олександрович; Національний університет "Львівська політехніка"
Сьогодні багато програм вимагають можливість працювати з великими обсягами даних, на відміну від необхідності у обчислювальних можливостях, сира потужність процесора не часто є обмежувальним фактором для цих систем - більшими проблемами, як правило, є обсяг даних, складність даних та швидкість, з якою вони змінюються [1]. За останні роки з’явилося багато нових інструментів для зберігання та обробки даних. Вони оптимізовані для різноманітних випадків використання, і більше не входять у традиційні категорії [2]. Наприклад, існують сховища даних, які також використовуються як черги повідомлень (Redis), а є черги повідомлень із гарантіями зберігання, подібними до бази даних (Apache Kafka), дані про такі рішення стають не систематизованими. Одночасно розвиваються напрями які продукують значні об’єми даних які вимагають від систем можливості обробляти, зберігати та аналізувати значні об’єми даних в короткий проміжок часу [3]. У магістерській кваліфікаційній роботі представлено моделі представлення даних сучасних сховищ, структури організації пошукових індексів в залежності від способу використання. Окреслено інформаційні системи в залежності від способу використання такі як OLTP (Online transaction processing) та OLAP (Online analytics processing) [4]. Проведено аналіз, узагальнення, пояснення, та класифікацію методів аналізу та обробки даних в розподілених інформаційних системах [5]. Побудовано розподілену інформаційну систему для обробки та зберігання великих об’ємів даних від пристроїв IoT, яка здатна в реальному часі реагувати на зміни показників виміряної температури (шляхом використання потокової обробки за допомогою розподіленого брокеру повідомлень) та продукувати нові події в системі які можуть попереджати про наростання температури, виникнення пожежі та її зупинку, використовуючи пакетну обробку з застосуванням машинного навчання система здатна обробити історично накоплені дані та виявити групи непрацездатних датчиків. Проведено аналіз результатів роботи розробленої системи в ході якого було підтверджено зверхність виокремлених раніше методів [6]. Об’єкт дослідження - розподілені інформаційні системи. Предмет дослідження - методи аналізу, обробки та управління процесами збору та зберігання великих об’ємів даних. Мета дослідження: розглянути методи для зберігання та обробки даних в великих кількостях, виокремити найбільш доречні до використання, окреслити їх межі та сфери використання та емпірично довести працездатність цих методів. Результати дослідження: встановлено що потокова та пакетна обробка не є взаємозамінними, хоч це можливо, методи слід використовувати в певних рамках, потоку обробку - в системах реального часу, а пакетну обробку - в системах де час виконання проведення аналітики не є важливим [7]. Аналіз потокової системи показав, що потокова обробка за допомогою розподіленого брокеру повідомлень дозволяє не тільки обробляти дані в майже реальному часі, але й проводити складну агрегацію (Сomplex Event Processing) та аналітику в системі, та дозволяє реалізовувати підходи які дозволяють відновлювати систему внаслідок збою її роботи, (наприклад підходи Change Data Capture та Event Sourcing) [8]. Внаслідок розгляду пакетної обробки за допомогою систем подібних до Map-Reduce та розподілених файлових систем було встановлено що їхні можливості набагато ширші у сфері аналітики ніж можливості баз даних MPP (Massive Parallel Processing), скільки дозволяють проводити не тільки складні агрегації на великих об'ємах даних але й застосовувати алгоритми машинного навчання задля досягнення цілей системи [9].
Item
Дослідження методів управління мережами 5G з використанням засобів штучного інтелекту
(Національний університет "Львівська політехніка", 2020) Осташевський, Андрій Іванович; Ostashevskyi, Andrii Ivanovych; Максимюк, Тарас Андрійович; Національний університет "Львівська політехніка"
В результаті збільшення обсягів інформації, її циркуляції та нових амбіцій, пов'язаних з автоматизацією та покращенням різних життєвих сфер, таких як водіння, політ тощо, народилася проблема: як забезпечити якісний обмін інформацією, щоб позбутися затримок та перешкод? Отже, незважаючи на існуючу відносно молоду 4G-мережу мобільного зв'язку, народилося нове покоління мобільних мереж - 5G. Враховуючи той факт, що мережею користуватимуться не лише користувачі мобільних телефонів, а й багато інших сервісів, таких як розумні машини, смарт-камери тощо, навантаження на окремі базові станції 5G мережі у певний момент часу буде величезним, а якість та швидкість обміну інформацією прогнозовано низькою. В результаті ми отримуємо проблему розподілу ширини смуги частот, управління якою із використанням людських ресурсів є надто дорогим. Щоб позбутися або принаймні зменшити вплив цієї проблеми на якість послуг, ми пропонуємо аналіз та прогнозування навантаження на мережу за допомогою штучного інтелекту (ШІ) та машинного навчання (МН), а також обчислення ефективної ширини смуги частот на основі прогнозування ШІ. Логічним є питання: навіщо нам ШІ, якщо ми можемо аналізувати навантаження на комірки і вручну змінювати параметри? Відповідь проста: ШІ дозволяє проаналізувати навантаження для забезпечення автоматизованої зміни ширини смуги частот, вже передбачивши навантаження на комірки. Маючи прогнози навантаження, система повинна передавати прогнозовані параметри алгоритму розрахунку ширини смуги частот і змінювати параметри комірки. Останній по рахунку, але не по значенню аргумент: параметрами для кількох комірок можна керувати вручну, але як щодо сотень чи тисяч комірок? В роботі запропоновано модель машинного навчання для прогнозування навантаження на 5G комірки, алгоритм ефективного розрахунку смуги частот та демонстрацію зміни смуги частот стільникової мережі за допомогою користувальницького інтерфейсу, оскільки автоматизований процес працює в фоновому режимі та невидимий. У главі 2 наведено опис різних типів періодичних нейронних мереж, а також їх спільні та відмінні характеристики. Крім того, у розділі описуються принцип роботи LSTM та GRU моделей, їх переваги та недоліки. Це особливо важливий момент, оскільки на основі цієї інформації вбирається модель нейронної мережі (NN). Крім того, у цій главі пропонується математична модель алгоритму розрахунку ефективної смуги частот, яка використовує прогнозовані результати навантаження як параметри для розрахунку вищезазначеної ефективної ширини смуги частот. Алгоритм може бути реалізований на будь-якій мові програмування, але проблема полягає у великих наборах даних (сотнях та тисячах), що зменшує продуктивність алгоритму, оскільки складність алгоритму не є постійною, а O(?log?_n). Отже, найкращим рішенням буде Python, PHP, Perl тощо. У розділі 3 ми демонструємо навчання нейронної моделі та розрахунок прогнозу навантаження для п'яти клітин 5G протягом 24 годин. Дотримуючись найкращих практик ML, ми розділили набір даних на 80% та 20% відповідно. Результати прогнозу повторюють характеристики реальних даних, хоча і не повністю відповідають їм. Крім того, у цій главі представлено кожен крок обчислення ефективної ширини смуги частоти та представлено кожен із цих кроків відповідним графіком для всіх п’яти комірок. Результат розподілу смуги частот є дійсним і показує значення ширини смуги частот на часових інтервалах, коли навантаження комірки пікове, і мінімальне там, де навантаження низьке. Для спрощення розрахунку, графік швидкості, навантаження та частот, будуються для одного користувача, включаючи значення навантаження в кожну комірку, щоб показати, оптимальну ширину смуги частот для забезпечення якісного обслуговування. Висновком цієї глави є останні п'ять графічних зображень, на яких показано порівняння швидкості користувача без динамічного розподілу ширини смуги частот протягом дня, з параметрами швидкості які включають в себе динамічний розподіл ширини смуги частот. Це ще раз доводить, що динамічний розподіл ширини смуги частот покращує якість послуг, що надаються кінцевому користувачеві. У розділі 4 продемонстровано та порівняно загальні варіанти управління станцією 5G. Тут оглянуто концепції REST API та Event System, їх спільні та відмінні характеристики, а також переваги та недоліки. Для кожного варіанту управління, описано, як можна застосувати ту чи іншу концепцію до мережі 5G із супроводжуючими блок-схемами. В результаті було обрано підхід REST через специфічний зв’язок між ядром та модулями, та простоту впровадження. Для демонстрації управління мережею було обрано платформу ThingsBoard та Python REST аплікацію, яка здатна надсилати дані до інтерфейсу ThingsBoard. Це було зроблено, щоб показати, як буде виглядати автоматизація, якщо штучний інтелект з відповідною моделлю нейронної мережі та алгоритм розрахунку смуги частот буде застосовано до мережі 5G, оскільки автоматизований процес працює в фоновому режимі і є невидимим. Автоматизація повністю виключає втручання людини, окрім апаратного та програмного обслуговування.
Thumbnail Image
Item
Research of unit train loading technologies at the sidings of grain elevators with their shunting locomotives
(Видавництво Львівської політехніки, 2024-02-28) Vernyhora, Roman; Korobiova, Ruslana; Suslov, Andrii; Kharchenko, Yevhen; Ukrainian State University of Science and Technologies
Метою роботи є підвищення ефективності навантаження відправницьких маршрутів на елеваторах, що мають власні маневрові локомотиви. Дослідження виконано на основі аналізу часових рядів, методів організації експлуатаційної роботи залізниць та методів тягових розрахунків. У роботі розглянуто проблему організації маневрової роботи на елеваторах із завантаження зернових маршрутів. Через критичне зношення маневрових локомотивів залізничного транспорту загального користування на елеваторах доводиться використовувати власні локомотиви. Під час дослідження встановлено залежності тривалості маневрових та вантажних операцій від кількості вагонів у маршруті та від інших факторів. Виконано порівняння різних типів маневрових локомотивів. На підставі аналізу встановлено, що для виконання маневрової роботи на елеваторах доцільно використовувати чотиривісні маневрові тепловози з гідравлічною передачею. Сила тяги таких локомотивів достатня для подавання на елеватор порожніх вагонів зі швидкістю 14–15 км/год. Забирати завантажені вагони можна зі швидкістю 14–15 км/год за ухилу з’єднувальної колії до 2–5 ‰. За більших ухилів забирання завантажених вагонів повинно здійснюватися зі швидкістю 5 км/год. Основним фактором, що впливає на тривалість маневрових операцій, є відстань подавання та забирання вагонів. Розроблено технології навантаження зернових маршрутів на елеваторах, що передбачають перебування вагонів на станціях навантаження протягом двох та трьох діб. Встановлено, що основним фактором, який впливає на тривалість навантаження маршрутів, є штат працівників локомотиво-складальних бригад. Наукова новизна полягає у визначенні залежності між параметрами технічного забезпечення елеваторів та тривалістю перебування вагонів у системі “станція примикання – під’їзна колія елеватора”. Практичне значення роботи полягає в тому, що її результати можна використовувати під час проєктування реконструкції наявних та будівництва нових елеваторів, а також для оцінювання витрат, пов’язаних із різними технологіями навантаження маршрутів на відповідних під’їзних коліях.
Thumbnail Image
Item
Authors
(Видавництво Львівської політехніки, 2024-02-28)